Matplotlib基础-样式表

Matplotlib库 由于诞生的比较早,所以其默认的显示样式很难符合现在的审美,这也是它经常为人诟病的地方。

不过,经过版本更迭之后,现在 Matplotlib 已经内置了很多样式表,

通过使用不同的样式表,可以整体改变绘制图形的风格,不用再调整一个个显示参数。

1. 样式表的使用

1.1. 所有内置样式表

首先,查看内置的样式表有哪些:

python 复制代码
import matplotlib.pyplot as plt

plt.style.available

1.2. 使用样式表的方式

使用样式表的方式有两种:

一种是全局样式表设置,比如:

python 复制代码
plt.style.use("ggplot")

随后的代码中,所有绘制的图形都是 ggplot 风格。

另一种局部样式表设置,比如:

python 复制代码
with plt.style.context("classic"):
    # 绘制图形
    pass

这种方式,样式表只在 with 范围内生效。

2. 不同样式表的效果

下面演示几种风格差异比较大的样式表。

首先,封装一个绘制图形的函数。

python 复制代码
def draw():
    x = np.array(range(10))
    y = np.random.randint(10, 100, 10)
    
    fig = plt.figure(figsize=[6,4])
    fig.add_subplot(211)
    plt.plot(x, y)
    
    fig.add_subplot(212)
    plt.hist(y)

2.1. classic 风格

python 复制代码
with plt.style.context("classic"):
    draw()

2.2. Solarize_Light2 风格

python 复制代码
with plt.style.context("Solarize_Light2"):
    draw()

2.3. bmh 风格

python 复制代码
with plt.style.context("bmh"):
    draw()

2.4. dark_background 风格

python 复制代码
with plt.style.context("dark_background"):
    draw()	

2.5. fast 风格

python 复制代码
with plt.style.context("fast"):
    draw()

2.6. ggplot 风格

python 复制代码
with plt.style.context("ggplot"):
    draw()

2.7. seaborn 风格

seaborn是公认颜值比较高的绘图库,所以 Matplotlib 也支持很多种seaborn风格。

这里使用的是默认的 seaborn 风格。

python 复制代码
with plt.style.context("seaborn-v0_8"):
    draw()

3. 总结

内置的样式表方便易用,提供了许多预定义的样式,可以快速帮助我们创建美观的图表。

使用内置的样式表还有个好处是可以保持图表的统一风格,使得图表具有更高的可读性和可维护性。

Matplotlib提供的丰富的样式表,可以满足不同类型的绘图需求,并且还可以通过自定义样式表来实现更加个性化的绘图效果。

相关推荐
RestCloud14 小时前
数据传输中的三大难题,ETL 平台是如何解决的?
数据分析·api
源猿人3 天前
企业级文件浏览系统的Vue实现:架构设计与最佳实践
前端·javascript·数据可视化
IT毕设梦工厂3 天前
大数据毕业设计选题推荐-基于大数据的客户购物订单数据分析与可视化系统-Hadoop-Spark-数据可视化-BigData
大数据·hadoop·数据分析·spark·毕业设计·源码·bigdata
大数据CLUB3 天前
基于spark的澳洲光伏发电站选址预测
大数据·hadoop·分布式·数据分析·spark·数据开发
智数研析社3 天前
9120 部 TMDb 高分电影数据集 | 7 列全维度指标 (评分 / 热度 / 剧情)+API 权威源 | 电影趋势分析 / 推荐系统 / NLP 建模用
大数据·人工智能·python·深度学习·数据分析·数据集·数据清洗
qingyunliushuiyu4 天前
BI数据可视化:驱动数据价值释放的关键引擎
数据挖掘·数据分析·数据分析系统·数据分析平台·bi数据可视化
CodeCraft Studio4 天前
【案例分享】TeeChart 助力 Softdrill 提升油气钻井数据可视化能力
信息可视化·数据可视化·teechart·油气钻井·石油勘探数据·测井数据
折翼的恶魔4 天前
数据分析:排序
python·数据分析·pandas
lssjzmn4 天前
基于Spring Boot与Micrometer的系统参数监控指南
java·spring boot·数据可视化
数据牧羊人的成长笔记4 天前
数据分析需要掌握的数学知识(易理解)
数学建模·数据分析